GPT面前，AI应用创业的思考框架_形态_的是_产品

操作系统的机会属于少数人，但应用创业的机会属于很多人。

作者 | 吴炳见

windows最大的贡献是孕育了浏览器这个超级应用，浏览器最大的贡献是产生了像Yahoo Google这些超级应用，从此开启了互联网时代。信息产业变迁史，是一个价值链不断迁移和上浮的历史，所有2C产品的竞争，都是在抢夺两件事：用户的时间份额、用户的钱包份额，谁离这两件事最近，谁就是killer App，谁就能切走下层底座的价值。

GPT的出现，无疑是操作系统级别的，上面长出的第一个杀手级应用叫chat search，基于这个底座，再长出10个百度、抖音级别的应用是完全有可能的，这会带来用户时间和钱包份额的重新分配。

作为一个早期投资人，身边有很多朋友在考虑下场创业做AI应用，会找我一起讨论，选哪个向，打什么牌，这里分享下我的思考框架。

| 思考框架一：

超级应用出现和平台的新特性息息相关

从 PC 到 Mobile，大的机会是智能手机的新特性带来的，LBS 带来美团和滴滴，通讯录带来微信，camera 带来抖音和快手，voice 带来全民K歌，刷屏动作带来今日头条。

微信相比手机，新特性是通讯录扩大了百倍，通讯录里的人更多，更能点对面通讯，这种能力的增强才让拼团，分销，砍价成为可能，里面最大的应用是拼多多。

现在新一代AI带来哪些新属性？我初步想到的：

一是language，自然语言交互。之前windows Android之所以用图形化界面，本质是技术上达不到，还没法让机器听懂人话，现在可能了，基于“听人话”的交互方式。从PC的鼠标滑动到mobile的刷屏动作，猜测，未来基于自然语言的交互，会极大的缩减交互页面，绝大多数操作在一个页面完成，用大白话的指令调取各种结果，甚至一个页面调用多个App的结果。极致的简单留给用户，复杂留给后端，AI Native应用未必是App形态。PC的指标是page view，mobile的指标是日活，那么AI应用的指标可能是”调用量“。

展开全文

二是Generative，实时生成。从生成文本和代码，到图像、声音和视频，甚至未来会生成机器人的动作，生成初步的科研成果，能生成的output越来越多，复杂度越来越高。抽象来看，x轴是媒体形式（文本 声音 图像 视频），y轴是呈现形态（数字世界2D 数字世界3D 物理世界3D），z轴是行业场景（比如广告 电商 游戏 影视 编程 设计 科研 机器人...），z轴上的品类数以百计。关键是要在xyz中间取一个有效的点，才是真PMF，比如“视频-数字世界2D-广告”指向的是AI生成广告视频，“视频-物理世界3D-机器人”指向的是AI生成机器人动作。

这带来了两个变化，一是效率上十倍速，AI生成广告视频，AI编程都是相比传统方案的十倍速。二是解锁了不可能，比如过去的AI教育是无法真AI的，退而求其次的手段是穷举所有视频素材，切成片段，再靠逻辑树串联起来，现在这种真AI教育有可能了。未来的视频，极端来看，可能会出MP4 AVI之外的另外一种文件格式——基于起始的素材和当下的交互，实时生成后面的视频，而这，又会解锁很多行业。

三是多模态感知，每一种信息来源称为一种模态，AI能同时感知语言+图像+many others，input变得极为丰富。人是多模态感知的集大成者，人有听觉、视觉、触觉、嗅觉、味觉，这么多input是实时的、综合的，人才能对当下的情形做出精准判断。我们对PC的输入主要是鼠标和键盘，我们对手机的输入主要是触屏、location、陀螺仪（动作）等；AI时代，大模型可以实时感知我们的语言、图像视频，同时又囊括了PC和mobile的所有感知形式，同时感知，综合判断，开始逼近人类的感知水平。比如，我们开一个圆桌会议，通过麦克风和摄像头，对人、内容、环境的感知，就可以帮我们提炼当下的核心观点，给出一部分问题的答案，和给出提问提示，这个会议会高效很多。

mobile相比PC，因为随身的属性，以及增加了很多传感器，收集的数据量大了百倍不止。AI时代的数据量，可能会再高几个数量级，因为所有的语言和图像都成为有效input了，这里蕴藏着巨大能量，是什么现在很难说。

这是我初步想到的AI新特性，还在持续的琢磨。相信新一代AI应用，一定长在AI的新特性上。

并且，下一代智能终端的出现，大概率是被AI新特性解锁的，最有这种可能性的是AR。戴着AR，它的输入和我们眼睛耳朵的输入是同频的，它的输出可以实时生成，它的交互可以基于自然语言，AI的三个新特性解锁了AR的三个不可能。

| 思考框架二：

打明牌or打暗牌

上面讨论的是方向选择，有了方向，还得看过往背景适合打哪什么牌局。

今天任何能轻易想到的idea，都是明牌，上来就摊牌比经验值，武力值，和血条了，比如大家讨论最多的虚拟助手，虚拟老师，AI客服，文案生成等等。在这种显而易见的方向上，高手和熟手太多，只是打一张起跑早的“先手牌”很难获胜。

以AI教育为例，教育是个长链条行业，从投放，到课程运营，到教研，到销售都有成熟方法，到最后是在比”拧螺丝“的效率，这个行业的高手也很多，很多人融过1亿美金以上，管过千人团队，就差一个好的PMF可以再启程了。如果一个新手进到AI教育里，PMF刚跑通，刚准备学习下如何投放，如何管100个销售，刚准备手枪换步枪，旁边直接蹦出几个高手就拿加特林机枪给突突了。

什么是暗牌？暗牌往往是非共识，是完全0到1的产品创新，挖掘的是隐性需求，市场空间极其模糊，巨头和高手想不到或看不上。比如snapchat、Airbnb、快手、抖音、b站、拼多多、小红书，早期的时候都有点小众，能否泛化未知。2013年的时候，如果问全国人民会看30秒短视频吗，是很难有答案的。这种暗牌为早期生存赢得了几年的时间窗口，猥琐发育，等到摊牌比武力值的时候，大家手里都是加特林，对着突突一下还是有胜算的。

明牌意味着共识，往往是面向存量市场，用新方案替代老方案，十倍速是最好的武器。可能是更好的文案工具，更好的教学工具，提升的是体验和效率。

暗牌意味着非共识，往往对应增量人群，满足的是未被满足的需求，0到1的创新是最好的武器。快手抖音出来前，短视频几乎没有被验证过，是凭空造出个短视频范式。拼多多出来前，下沉人群是很少网上购物的。

如果是一个经验值丰富、善于靠商业和效率取胜的高手，上手打明牌是可以的，段位高到一定程度，还能起到吓跑清场的效果。

如果是一个经验值少、用户洞察犀利、善于创新的AI产品经理，最好还是想想暗牌，从一个很独特，非共识的切入点进入。起手打明牌是对加特林机枪的不尊重。

| 思考框架三：

每一代亿级用户的产品都基于“无意识”产品形态

有了方向，确定了打什么牌局，还得落到具体的产品形态。

AI native App的经典产品形态是什么？

PC时代的经典产品形态是黄页和搜索。

Mobile时代的经典产品形态是feed流(抖音 今日头条)，timeline(微信)，140字符(Twitter)，二维码(移动支付)。

越是大DAU产品，产品形态越是简单，适配的人群越广，用户越容易陷入“无意识”的使用中，这才是kill time的大杀器。

AI native App也会出现经典产品形态，可能是chat形式，可能是copilot形式，经典产品形态的出现需要子弹飞一会儿。2010年mobile刚起来的时候，App有种浓烈的网页感，直到2015年前后，几个大哥级App站稳了脚跟，mobile产品的审美才开始一致起来，内容输入就学微博，内容展示就学头条，对话界面就学微信，加好友和付款就用二维码，天下文章一大抄，最佳形态就那么几种。

正确的产品形态往往四两拨千斤，而且带来跨越式发展，看一个例子：

二维码is new payment，一个二维码撬动了移动支付的普及，中国跨越信用卡到了移动支付国度，变弱为强。

同理，AI is new SaaS。未来的SaaS形态会有巨大变化，AI作为每家公司的底座，会抹平过去的很多成本：一是降低部署成本，因为结构化和非结构化的数据都接入大模型了，SaaS的部署成本会低很多；二是降低获客成本，基于大模型可能会出现app store，比如plugin的形态，营销成本会下降，更拼产品本身了；三是省去了很多长尾页面，因为交互基于自然语言，而非图形化界面了。极端来看，software将不再as a service，而是result as a service，这这里面会不会长出中国形态的SaaS？

从2010年开始做mobile产品，2013年做mobile投资，一个很大的复盘是，假如当时明白“大的应用机会是智能手机的新特性带来的”这个道理，品类选择会容易很多。

我参加过几次AI创业方向的讨论，脑暴出的创业点子可以记下三页A4纸，太多啦！这种多，很容易让创业者有种挖到金子的冲动感，在里面抓一个点子创业，等于摇骰子开大小，最好能否掉自己的5个想法后再做选择。我们必须要问自己，思考框架是什么，怎么选出有效选择。Hope PMF be with you！